Key points are not available for this paper at this time.
本文对基于人工智能（AI）的电机和驱动诊断领域的发展进行了综述。它涵盖了可以相互集成以及与更传统技术结合的专家系统、人工神经网络（ANN）和模糊逻辑系统的应用。还考虑了遗传算法的应用。一般来说，诊断程序始于基于所考虑电气系统物理行为开发的故障树。在这个阶段，知识测试良好的模型能够在不同故障条件下模拟电动机，这对于获得特征故障的模式是至关重要的。专家系统推理引擎执行的故障树导航有助于选择特定故障的适当诊断指标，并相关于构建特定AI（神经网络、模糊逻辑或神经模糊）系统的数据集。讨论的方法在诊断领域发挥着普遍作用，应用于感应电机，利用瞬时电压和电流作为输入信号。此外，还考虑了电源转换器，以将电力电子组件的最典型故障纳入诊断程序。还简要描述了各种AI技术，强调了使用AI技术的优势和局限性。文中还讨论了一些应用实例，并指出了未来研究的领域.
Filippetti等人（Sat，）研究了这个问题。